ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

杂谈

2018-09-14 12:02:52  阅读:127  来源: 互联网

标签:


1、机器学习的四个步骤

     特征表示、建立模型、设立目标函数、优化求解

2、k均值:方差相等的若干个高斯混合和得到

    聚类的衡量指标:均一性、完整性、V-measure、轮廓系数

3、相似度度量算法:Jaccard相似系数、余弦相似度、Pearson相关系数、文科夫斯基距离/欧式距离、相对熵、Hellinger距离

4、白化和漂白:去除数据输入中的冗余信息,降低冗余性。

5、高斯分布的偏度和峰度

6、切比雪夫不等式:描述方差对x分散程度

7、LSTM解决了RNN中梯度消失和梯度爆炸、不能处理时间过长的序列等问题。引入了门控单元,输入门、输出门、遗忘门。

8、有监督学习:让网络自己学习数据中的一般规则。 无监督学习:根据数据特有结构和学习规则,对数据进行共性分析。

9、激活函数的作用:能够给神经网络加入一些非线性因素,一遍能够更好地解决较为复杂的现实非线性问题。

10、BP算法:用来解决多层神经网络的隐含层连接权重的学习问题。分为正向传播和反向传播,正向传播计算损失,反向传播更新权值。

标签:
来源: https://blog.csdn.net/mago2015/article/details/82685090

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有